復(fù)數(shù)神經(jīng)多項(xiàng)式盲均衡算法

　　針對(duì)傳統(tǒng)常模算法收斂速度慢、均方誤差大以及傳統(tǒng)神經(jīng)網(wǎng)絡(luò)參數(shù)多、復(fù)雜度高的問題，提出了基于非線性Volterra信道的復(fù)數(shù)神經(jīng)多項(xiàng)式盲均衡算法（Fuzzy neural networkcomplex valued neural　polynomial-constant modulus algorithm，F(xiàn)NN-CNP-CMA）。該算法包含單層神經(jīng)網(wǎng)絡(luò)和非線性處理器的復(fù)數(shù)神經(jīng)多項(xiàng)式，模塊結(jié)構(gòu)簡(jiǎn)單、復(fù)雜度低。由模糊神經(jīng)網(wǎng)絡(luò)（FuzzV neural network，F(xiàn)NN）設(shè)計(jì)的模糊規(guī)則控制器能有效提高步長(zhǎng)的控制精度。仿真實(shí)驗(yàn)結(jié)果表明，該算法系統(tǒng)結(jié)構(gòu)簡(jiǎn)單、復(fù)雜度低、收斂速度快且穩(wěn)態(tài)誤差小，較好地解決了收斂速度與均方誤差之間存在的矛盾。